撰写日期：2026-08-02 数据基准：各大云厂商最新财报（2025年报+2026年第一、二季度季报）、赛诺基研究集团、高德纳、国际数据公司等权威机构报告 关键词：AI云计算、资本开支、推理需求、供应链约束
一、谁最清楚AI的温度？
2026年上半年，全球云计算财报季交出了这样一份成绩单：
第一季度全球云基础设施服务支出1290亿美元，同比增长35%。这已经是连续第9个季度加速增长。全年市场规模将首次站上5000亿美元的年化跑道。
赛诺基研究集团首席分析师约翰·丁斯代尔说得很直接："为AI鼓掌吧。"——AI相关云支出在全部云支出中的占比，已从2023年的8%飙升到2026年的19%。国际数据公司预测，到2026年，一半的云基础设施支出将由AI相关工作负载驱动。
四大超级云厂商——亚马逊、微软、字母表（谷歌母公司）、元宇宙平台（脸书母公司）——2026年合计资本开支指引在6300亿到7500亿美元之间，比2025年增长62%到78%。
高盛今年6月发布的《追踪万亿》报告给出了更惊人的数字：2026到2031年，全球AI基础设施累计投入将达到7.6万亿美元。其中2026年年化支出7650亿美元，到2031年增至每年1.6万亿美元。
云服务商是AI需求最诚实的温度计。他们是最大的芯片采购方、算力的出租方，也是AI商业化变现的第一道关口。他们的财报、资本开支指引、管理层口径，拼出了当前AI产业最清晰的画面。
本文要回答几个问题：市场到底多大？增长从哪里来？供应链卡在哪里？主要公司怎么判断方向？投资人用钱投了什么票？这个超级周期能跑多远？
二、市场大盘：万亿跑道上加速跑
先看总量。
全球云计算市场2025年为9436亿美元，2026年预计达1.19万亿美元，到2033年预计达3.35万亿美元，八年间翻两番（大观研究，年均复合增长16%）。第一季度云基础设施服务单季支出1290亿美元，同比增长35%，连续九个季度加速（赛诺基研究集团）。
AI云市场这个子赛道跑得更快：2026年规模1540亿美元，2030年预计达6030亿美元，年均增长40.7%（市场研究公司）。高德纳在2026年5月将全球AI总支出预测从2.52万亿上调至2.59万亿美元，700亿的增量主要来自自主代理AI。
关键判断：云计算市场从2023年约20%的增速，因生成式AI拉动重新拉升至35%以上。这不是周期性反弹，而是一次结构性拐点——AI已是云市场最大的增量引擎。
再看竞争格局。前三名合计占有63%的市场份额，但增速分化非常明显：
第一名亚马逊云，份额28%，第一季度营收376亿美元（+28%），第二季度营收422亿美元（+37%），营业利润率36.8%到39.5%。体量最大，增速在四家中相对最低，但最近季度有加速迹象。AI业务和自研芯片业务年化各超250亿美元。
第二名微软Azure，份额21%，云收入上一财年首次突破千亿大关，增速31%到44%。AI业务年化370亿美元，同比增长123%。Copilot付费席位超过3000万，从上一季度的2000万增至3000万，季度环比增长50%。
第三名谷歌云，份额14%，第一季度单季首次突破200亿美元，增速63%；第二季度营收248亿美元，增速82%。年化约800亿，营业利润率已达35.6%。是三巨头中增速最猛的。
第四名甲骨文云，份额约3%到4%，但增速高达50%到77%，拿下OpenAI和xAI等AI公司的训练集群大单，"第四超级云厂商"的名号开始被市场接受。
第五名阿里云，全球份额约4%，中国排名第一，但整体增速仅中低个位数，受芯片出口管制和宏观环境制约明显。
一个值得注意的现象：增速最快的是体量较小的选手，但收入绝对量最大的还是亚马逊。云市场不是赢家通吃——不同角色在AI这波浪潮里各有各的牌。
三、需求拆解：训练建地基、推理收房租、企业来入住
AI云服务需求来自三个层次的叠加，而且正在经历一次重要的结构转移。
（一）训练：建地基，当下资本开支的主力
前沿大模型的训练需要数千张高性能计算资源连续运行数周甚至数月。2026年，推理工作量约占总AI算力的三分之二，但一次性的训练仍是资本开支的主力。
谁在租训练集群？主要是纯AI公司。OpenAI年化营收达435亿美元（6月数据），是Azure最大的单一算力租户。Anthropic年化营收从2024年12月的10亿美元，涨到2025年底的90亿美元，再到2026年2月的140亿美元，SemiAnalysis深度报告（7月8日发布），ARR已经超过600亿美金（个别机构8月数据显示已经超过850亿美金）。xAI的Colossus超级训练集群（超10万张先进计算卡）在甲骨文云上运行。
云厂的动作是合围：亚马逊已投资OpenAI 500亿美元（2026年2月宣布，7月完成）、Anthropic约80亿美元；微软与OpenAI独家深度绑定；谷歌自研Gemini用自家TPU训练；Meta选择开源Llama路线。通过投资或合作锁定上游训练需求，形成供需之间的长期约定。
（二）推理：增长最快、最有持续性的结构性需求
这是最关键的结构性变化。
训练是一次性项目支出。推理是持续性运营支出。AI应用一旦上线，每次调用、每行代码生成、每个自主代理执行一次决策，都会产生持续的算力消耗。
几组数据说明这个变化有多剧烈：
推理工作负载当前已占总AI算力的三分之二（布鲁金斯学会、领英行业预测）。推理工作量的复合年增长率预计42%，2033年将超越训练成为主导算力需求（ABI研究）。80%到90%的算力消耗来自推理而非训练（布鲁金斯学会）。
谷歌云在最新季报中确认，TPU系统销售收入开始入账，绝大部分将在2027年确认——这意味着推理基础设施的需求已经从规划变成了真金白银的订单。
微软在年报中确认，Azure AI服务采用"按量计费"模式，Azure增长中12到13个百分点完全由AI消费驱动。
亚马逊首席执行官安迪·杰西在一季度电话会上说："Bedrock上代币消耗量，单季度就超过2023年上线以来全部历史总和。"Bedrock客户支出单季增长170%。
核心逻辑是：训练像建楼，一次性投入；推理像租房，按月按量付费，用多久缴多久。AI应用部署越多，推理需求就越持续——它不会因为训练完成而消失。
（三）企业应用与自主代理：第三层次的爆发潜力
训练打基建，推理管运营，企业应用才是真正的全民入场。
四分之三的企业计划投资自主AI代理作为标准化软件组件（领英预测）。微软Copilot付费席位超过3000万，直接带动商业云每用户平均收入增长（Copilot席位从一年前的不足1000万增至3000万）。谷歌将Gemini嵌入全部15个月活5亿以上的产品线。高德纳在2026年5月上调AI支出预测700亿美元，明确指出自主代理AI是增量的主要来源。无服务器计算将承载35%的新云工作负载（高德纳）。
这一层的逻辑是：未来绝大多数企业软件都将嵌入AI能力，成为标配。推理需求不是一次性爆发，而是被装进了一个永续增长的结构。
四、产业链与供应链：中游两头赚，但瓶颈也在中游
把AI价值链拆开看，三层分工和各自毛利：
上游是芯片设计与制造，毛利率70%到75%。英伟达卖给所有人，不押注任何一方。
中游是云基础设施运营，毛利率50%到70%。向上批量采购芯片压低成本，向下按用量收取租金。亚马逊云营业利润率39.5%，谷歌云35.6%，微软智能云约70%。
下游是AI应用，多数尚未盈利。OpenAI约435美元年化收入（6月数据）、Anthropic约600亿，都远小于它们消耗的算力成本。
中游两头赚——但扛着最大的资本开支负担。
四个供应瓶颈：电比芯更难
所有云厂的财报里，"受限"这个词出现的频率前所未有。
第一瓶颈是电力。2024年稀缺的是计算卡，2026年稀缺的是给计算卡供电的电网。字母表在年报中写道："全球能源供应因AI计算需求显著增长而紧张，土地和水资源的可用性同样严重制约产能扩张。"国际能源署预计数据中心电力消耗到2030年翻倍。北美主要市场电网接入排队已达24到36个月。高德纳预测，到2027年将有40%的AI数据中心因电力短缺无法满负荷运行。
关键区别在于：芯片组装线18到24个月可以扩建出来，电网基建周期是3到5年。电力才是真正的硬约束。
第二瓶颈是土地与关键设备。美国2026年规划中的约12吉瓦数据中心产能中，预计一半将延期甚至取消——主因是大型变压器和高低压配电设备供应紧张，而非芯片。亚马逊因AI技术迭代加速，将服务器使用年限从6年缩短到5年，每年新增折旧14亿美元。
第三瓶颈是水。AI训练集群单机柜功耗从过去的20到40千瓦飙升到500到600千瓦，下一代目标1兆瓦每柜。风冷彻底失效，必须全液冷，但市政供水体系扩容速度远远跟不上。
第四瓶颈是芯片供应高度集中。字母表年报明言："AI专用芯片的制造和供应仅限于极少数合格供应商。"英伟达、台积电、先进封装——链条上任何一个环节出问题，全行业受限。
阿里云的问题有所不同。它在年报中坦言，芯片出口管制直接制约了技术升级。中国市场硕大，但工具箱比同行小。
五、五家公司各打什么牌？
亚马逊云：多模型开路，自研芯片压成本
首席执行官安迪·杰西在一季度电话会上给了一个关键数据："Bedrock上代币消耗量，单季度就超过2023年上线以来全部历史总和。"他还透露，AI业务和自研芯片业务年化收入各超250亿美元，全年资本开支上调到2000亿美元。
亚马逊的路径是明确的：不赌单一模型。通过Bedrock平台同时支持Anthropic、Meta等多家前沿模型商的产品，给客户多样选择；同时自研Trainium和Inferentia芯片，降低对英伟达的过度依赖。它的护城河是240余项服务和全球最多的数据中心区域——规模龙头的打法是"什么都给你"。
微软Azure：企业SaaS上收租，按用量持续加价
首席执行官纳德拉在最新财年报告确认：Azure年度收入首次突破1000亿美元，Copilot付费席位超过3000万。
但他也明确了一个痛点："Azure增长还在被产能不足拖累，预计到年底前都不会缓解。"这意味着微软在自用（给Copilot供电）和外租（给Azure客户）之间要做零和博弈——产能就那么多，给了自家的Copilot就少了外租的份额。
微软的核心打法是"按用量收费"：传统办公软件按月席位收费，AI按每次调用消耗的算力收费。客户用得越多、付得越多，而且越用越离不开。合约义务总额已达7438亿美元——这是一个巨大的长期收入锁定。
谷歌云：TPU自研做差异，还开始对外卖硬件
首席执行官桑达尔·皮查伊在一季度宣布谷歌云单季首次突破200亿美元，增速63%。但更关键的信号是另一个：TPU系统开始对外销售，大部分收入将在2027年确认。
这意味着谷歌不只自己用TPU训Gemini，还把TPU硬件卖给外部客户——这是其他云厂商都没做的事。亚马逊和微软的自研芯片只给自己用，谷歌开始把芯片做成商品。同时采购承诺激增至8110亿美元，是所有云厂中最激进的产能锁定。
甲骨文云：走高性价比路线，但杠杆拉满
新任首席执行官克莱顿·马格乌尔克（原亚马逊云工程师，2008到2014年在AWS）上任后全力冲刺，云端收入增长超过77%。拿下OpenAI和xAI两张训练集群大单，靠的是高性价比和安全隔离架构的差异化。
但风险写在资产负债表上：负债率84%，自由现金流为负1148亿美元。第四极的名号需要持续的客户需求来支撑——一旦AI需求降温，偿债压力会迅速显现。
阿里云：实力有，但工具箱比同行小
中国市场仍然领先，但芯片出口管制直接制约了高端训练集群的部署。整体增速仅中低个位数，数据中心容量本身也是关键瓶颈。20-F年报中的表述很坦诚：限制措施影响了技术能力升级和竞争优势维持。
六、投资人的选票：奖励效率，不只是奖励增速
2026年的规则变了。去年投资人比的是"谁花得猛谁涨得多"，今年比的是"谁花得有效率谁涨得多"。
一季度的成绩出来后，市场反应说明了问题：
Meta营收增长33%但追加了100到200亿资本开支，股价暴跌约9%。微软Azure增速超过指引，但资本开支指引维持不变，股价大涨15.5%。谷歌云增速63%超预期，但单季就烧了357亿美元基建费用，股价依然承压。
市场的逻辑很清楚：你要能证明烧钱会有更高质量回报，否则估值先打折扣。
杰弗瑞分析师总结道："资本开支在上升，但约2万亿美元的在手订单和加速的云增长已经显示出投资回报正在兑现。"——投资人要的是数据证明，不是画大饼。
各家机构的判断有分歧，但方向一致：
赛诺基研究集团认为增长结构稳固，AI仍在推动新客户获取和新使用场景落地。高盛《追踪万亿》基线模型预测2026年AI资本开支约7650亿美元，到2031年增至每年1.6万亿。美国世纪提醒：未来增速难免放缓，四大超级云厂商2026年AI资本开支约7750亿美元，已占到运营现金流的93%。ABI研究预测AI数据中心专用容量从2026年的11.5吉瓦增长到2031年的43.6吉瓦，复合年增长率30.5%。
七、Anthropic：纯AI层的需求是真实的
Anthropic的年化营收轨迹，是下游AI需求最真实的验证器：
2023年11月约1亿美元。2024年初约2亿美元。2024年12月约10亿美元。2025年7月达40亿美元。2025年底达90亿美元。2026年2月达140亿美元。2026年7月预计约600亿美元。
从10亿美元到600亿美元，只用了18个月。
三个关键信号：
第一，增长倍数在企业软件史上找不到先例。连续三年保持约十倍复合增速，麦瑞泰克研究公司称：在200多家已上市软件公司中，这样的增长轨迹从未出现过。
第二，代码生成工具Claude Code功不可没。这个2025年5月才正式上线的产品，到2026年2月年化营收已达25亿美元，企业客户占比过半。Netflix、Spotify、毕马威、欧莱雅、赛富时都是百万级年费客户。财富前十的公司中有八家在用Claude。
第三，Anthropic是亚马逊Bedrock和谷歌Vertex AI的核心模型供应商。它的营收爆发直接转化为这两家云厂商的GPU消耗量和推理收入。600亿美元虽然只占2026年云厂商资本开支的10%左右，但它的增速才是云厂商敢于持续加码的理由。
八、占位优势与资本开支风险：硬币的两面
优势：他们锁住了最关键的资源
第一，规模化采购压住芯片价格。四大云厂合计采购了全球先进计算卡供应的40%以上，议价能力无人可比。
第二，长期合同锁住产能可见度。谷歌采购承诺8110亿美元，微软合约义务7438亿美元，亚马逊租赁面积近48万平方英尺——这些数字意味着需求可见度延伸到了2027到2030年。
第三，按量计费模式带来收入复利。客户用量越大、留存越久、边际成本越低。亚马逊云营业利润率39.5%，谷歌云35.6%，微软智能云毛利率约70%——盈利能力已经证明了这套模式的韧性。
第四，全栈垂直整合。从芯片设计到服务器制造到数据中心建设到云服务到AI模型到应用层，谷歌把TPU对外卖是一个标志。
第五，客户迁移成本极高。数据重力、合规认证、人才生态、混合云构架——一旦入驻，搬走比留下贵得多。
风险：自由现金流转负，折旧加速，回报验证期临近
看各家的自由现金流：亚马逊为负800亿美元，甲骨文为负1148亿美元。微软和谷歌虽然为正（1580亿和1895亿），但资本开支占运营现金流的比例已从2023年的33%飙升至2026年的93%。
甲骨文最危险：负债率84%，自由现金流深度为负，每赚1美元背后压着大量债务。如果AI需求降温，偿债压力会立刻浮出水面。
折旧压力也在加码。亚马逊因AI技术迭代加速，服务器寿命从6年缩到5年，年增折旧14亿美元。随着计算卡代际更迭加速，折旧周期进一步缩短是大概率事件——直接冲击账面利润。
投资的容忍度也在收窄。Meta一季度营收增长33%但资本开支加码，即被重砸9%。信号明确：投资人要看到资本开支转化为增量利润，而不只是增长。
九、看什么变量：四个前瞻指标
盯紧四个方向，判断这波超级周期是继续还是见顶。
第一，纯AI公司的营收增速。OpenAI和Anthropic的季度年化营收环比增速——如果连续两个季度低于20%，就是需求降温的早期信号。
第二，云厂商AI收入披露的颗粒度。亚马逊是否拆分Bedrock收入，微软AI消费占比的变化，谷歌TPU对外销售的确认进度——拒绝披露或增速断崖，意味着管理层缺乏信心。
第三，电网接入交付时间。北美主要市场新建数据中心的通电时间——如果普遍超过36个月，硬约束就真正锁死了。
第四，资本开支指引的修正方向。各厂商在下半年财报电话会上对2027年的资本开支指引——集体下调或持平，意味着投资超级周期见顶。
两种情景
基准情景，概率超过七成：需求持续强劲，供给约束缓慢缓解。推理需求的结构性增长支撑云收入维持30%以上增速，毛利率企稳，自由现金流在2027年逐步回正。算力链上下游延续景气。
压力情景，尾部风险：AI应用商业化落地慢于预期，纯AI公司融资收紧。云增速回落到15%到20%，资本开支指引下调，折旧冲击利润，股价重估。算力链订单取消，二手计算卡流入市场，数据中心项目暂停。
我的判断是基准情景概率超过七成。理由：推理需求的持续性特征已经验证，企业AI渗透率仍在个位数，各国主权云建设刚起步，自主代理AI作为新范式才刚开始。但2027年是分水岭——届时累计资本开支将超过1.5万亿美元，市场将要求看到明确的投资回报曲线。
十、结语：云厂商既是裁判员也是运动员
回到开篇那个隐喻：AI温度如何，云服务企业最清楚。
他们手握三张牌：采购牌，决定全球先进算力怎么分；定价牌，决定企业用AI的边际成本；披露牌，决定市场怎么给AI未来定价。
当前局面是：需求真实且结构性强——推理加自主代理AI构成持续增长的底座。供给受限于物理定律——电力、水、土地不是有钱就能解决的。中游云厂商赚取超额利润但扛着巨额资产负债表风险。下游纯AI层高增长但尚未盈利。投资人在"增长叙事"和"回报验证"之间摇摆。
这不是泡沫，是基建超级周期的中段。像所有基建周期一样，前期拼产能，中期拼效率，后期拼运营。2026年，云厂商正从"拼产能"向"拼效率"过渡。
看懂云厂商财报里的资本开支指引、毛利率走向、产能约束言论、AI收入披露颗粒度——比盯着任何一次大模型发布都更接近AI产业的真实脉搏。
因为云厂商不讲故事，他们只算账。而这笔账，关乎未来五年整个科技产业的资产配置逻辑.
